代码生成与代码审查如何选模型：六步建立可靠流程

选择编程模型，不妨先拆开两个问题：谁能把需求实现正确，谁能证明改动存在问题？本文由 BestRelay 发布，下面用一个“新增订单退款接口”的任务，逐步建立生成与审查各自的选型标准，而不是寻找一个包办所有工作的冠军。

第一步：先把代码生成与代码审查拆成两份验收清单

生成任务建议要求实现退款接口、遵守现有事务边界，并补齐重复请求测试；审查任务则要求检查重复退款、越权访问和并发状态错误。两份清单分别计分，不用代码长度或评论数量代替质量。Anthropic 的官方审查配置也强调识别真实缺陷、遵守项目规则，并减少误报。

第二步：用相同仓库与执行环境比较候选模型的生成表现

建议挑选三类历史任务：单文件修复、跨文件功能和失败测试定位。固定仓库提交、依赖版本、提示词、工具权限与时间预算，让候选模型完成相同任务，并重复运行，避免凭一次成功定胜负。

• 正确性：检查既有测试与新增验收测试是否通过。
• 改动范围：检查是否修改无关文件或引入多余依赖。
• 交付效率：记录人工纠正次数与达到可合并状态的总时间。

不要只读模型的完成说明，必须执行验证；Anthropic 的工程实践同样把可验证的输出作为关键措施。

第三步：用已知缺陷与干净改动分别检验审查模型

建议从已修复的历史问题制作审查样本，再加入没有目标缺陷的对照改动。要求模型给出文件位置、触发条件、影响范围和验证办法，并区分本次新增问题与既有问题。

分别统计真实缺陷检出率、报告准确率，以及人工核实每条发现的时间。发现多但无法复现，不应得高分。Anthropic 的代码审查流程会结合周边代码分析，再通过验证步骤过滤误报，这可以作为设计评测的参考。

第四步：根据调用链与业务约束补齐审查所需上下文

退款接口的审查材料建议包含改动差异、调用方、鉴权规则、事务约定和相关测试，而不是默认发送整个仓库。要求模型先指出缺失信息，再判断缺陷；证据不足时明确保留意见。官方审查配置会检查项目约定、错误处理和并发问题，因此评测时也应提供对应规则。

第五步：把实际账单与人工返工一起纳入模型选择

建议比较“每次合格交付的总成本”：模型调用费用、重试费用、人工修复与误报核实时间。缓存命中和未命中的测试应分开记录，不能直接混为一次平均报价。

据平台说明，BestRelay 注重质量，按请求指定名称转发至对应官方模型，不替换模型，覆盖多家提供商，并支持 Claude Code、Codex、Gemini CLI 及 OpenAI SDK。其按提供商报告的词元数量计费，缓存读取与写入分别定价。比较模型时，建议同时保存请求型号、用量明细与测试结果。

第六步：分别确定生成与审查配置并保留人工验收

建议先确定生成配置，再用独立会话进行审查；是否采用另一模型，应由前面的缺陷评测决定，而不是默认不同模型就更可靠。为支付、权限等关键改动保留人工批准与回归测试。GitHub 的责任使用文档也提醒，自动审查可能遗漏问题或产生不准确反馈，不能替代人工审查。

可以创建一个 BestRelay 账户，用同一组仓库任务开始小规模对照。平台另设会员邀请充值佣金机制，但建议将推荐收益与技术评分分开：最终保留的配置，应由正确交付、缺陷证据和完整成本共同决定。